目前，深度学习已/已成为数据科学领域最热门的技能。我们可以利用大量的文章，课程，技术，影响者和资源来获得深度学习技能。深度学习不仅是一回事！有太多的应用程序，一个人不能在短时间内简单地学习所有内容。此列表将包含当前最著名的资源/课程。到目前为止，他是当今机

KNN找到k个最近邻，利用它们的标签进行预测。例如，下面的黑点应该通过简单多数投票被分类为蓝色。有不同的指标来衡量距离。最常见的是欧氏距离。通常，如果我们在进行预测时增加k的数量，则偏差会增加，而方差降低。对质心进行重新估计，对数据点进行重新聚类。使用中位

作为一个相对较新的职位，机器学习工程师或数据科学家的日子仍然有些不稳定。你可以从Airbnb、SurveyMonkey和Instagram的员工那里了解他们的情况。Chirag Mahapatra是Airbnb的机器学习工程师，Shubhankar Jai

我们很多人都试图理解机器学习算法，但有时我们也会遇到一些bug，那么这时候就需要进行调试神经网络了，这篇文章虽然比较短，但是很好的记录了关于调试的过程。神经网络是一系列算法的集合，是模拟人类大脑的一种建模，旨在识别模式。在许多事件中，研究人员都将面临这样一

在这个时代背景下，信息爆炸与长尾问题普遍发生，而解决方案之一是个性化推荐技术，那具体什么是个性化推荐，怎么去实现这一过程呢?这篇读者朋友需要做到的是读完以后，对个性化推荐技术有一个全局宏观的认识，对于细节不用过多地苛求。那淘宝是如何做到的呢，其实这背后就是

在这篇博客文章中，我们将分解这一挑战，并专注于第一个子任务：利用机器学习找到帆船比赛中驾驶的最佳航线。您将学习如何赢得帆船比赛以及完成此任务所需的基本的机器学习概念。应该是我们在任何机器学习项目中提出的第一个问题。在我们可以通过机器学习做些什么之前，我们首

为机器学习设置Python环境可能是一项棘手的任务。如果您以前从未设置过类似的东西，那么您可能需要花费数小时来处理不同的命令，才能让它正常工作。但我们只是想要直接得到ML！在本教程中，您将学习如何设置稳定的Python机器学习开发环境，您将能够直接进入ML

如果你对进入人工智能领域感兴趣，但又不知道从哪里开始，那么这篇文章你一定要看，它将会为你详细的讲解一些火爆的编程语言和技能以及面试问题，薪水等多方面内容。我相信，它一定会成为你机器学习生涯中不可缺少的东西。在机器学习中，计算机使用大量的数据集，并应用算法进

我们首先创建具有三个特征和二元标签的简单机器学习数据集。我们将数据分成k个大小相等的部分，并在其中的k - 1个部分上对机器学习模型进行训练，在剩余部分上对机器学习模型的性能进行检验。混淆矩阵这个想法很简单。我们希望显示真阳性，真阳性，假阳性和假阴性。当有

查看此机器学习数据集，我们就可以看到正实例被裁剪为具有相同的宽度和高度。方向梯度直方图方向梯度的直方图，也称为HOG，在计算机视觉任务中被大量使用，特别是在检测行人和类似任务时。Hala特征表示由Dalal和Triggs引入，作为行人检测任务的表示方法。h

我们人类生活在三维空间中。所以我们的想象力自然局限于三维空间。但我们的机器学习数据集世界并非如此。在某些情况下，这个数字可能高达100万。这使得数据的训练非常缓慢，因此更难找到解决方案。此外，很难看到有很多维度的数据。因此，降维不仅有助于数据的可视化，而且

对于任何生产管道，需要对机器学习模型进行历史数据训练，以提供准确的预测。但是，在某些情况下，使用不考虑任何先前数据的简单规则来处理管道数据是有意义的。由于一个经过训练的机器学习模型需要花费大量的时间和精力来创建，因此在数据管道中放置一个模拟模型将允许数据工

世界杯进入一个新的阶段，很少有人能够预料到小组赛的结果。而现在是时候进入一个更加激动人心的阶段了，世界上最优秀的球员们将要为自己的球队而战。本文的目标是利用Python和数据科学的力量，尝试揭示这些比赛将呈现的一些统计数据。该模型建立在Sklearn库之上

在本教程中，我们将介绍XGBoost，这是一种机器学习算法，最近主导了应用的机器学习空间。促进Vis-a-vis Bagging在Python中应用XGBoostXGBoost的超参数使用XGBoost时的交叉验证在XGBoost中可视化特征的重要性结论什

本文会带着大家一起去了解如何安装Keras，这是一个最初构建于Python上的深度学习库，可在TensorFlow或Theano上运行。在过去的一些文章中，我们了解了神经网络和深度学习的不同基础知识。我们看到了如何在R中使用不同的库创建前馈神经网络、CNN

优化是机器学习算法中最重要的组成部分。它从定义某种损失函数/成本函数开始,最后使用一个或另一个优化例程最小化它。优化算法的选择可以在小时或天内获得良好的精度。机器学习优化的应用是无限的，是业界和学术界广泛研究的课题。在本文中，我们将介绍在深度学习领域中使用

目标本文的目标是解释一个可用于构建基本LSTM模型的简单代码。我不会讨论和分析结果。我建议您下载pycharm IDE并通过IDE将Tensorflow和所有其他库下载到您的项目中。下载PyCharm IDE创建一个项目将Tensorflow，NumPy，

根据Indeed在美国在2018年的最佳工作报告，机器学习工程师的位置排在第四位，仅次于商业项目经理（第一名）、全栈开发者（第二名）和计算机视觉工程师（第三名）。事实上，从2014年到2017年，机器学习工程师的招聘数量增长了166％。随着人工智能和机器学

机器学习中tfrecord数据集基本上是您的数据集，保存为硬盘驱动器上的协议缓冲区。使用此格式的好处是：。您无需将完整数据集加载到内存中。您可以通过数据集类逐个获取数据。当您的GPU处理数字时，Tensorflow会负责加载更多数据。要构建自己的输入管道，

客户流失或客户流失是指服务或公司中现有客户的流失，这是许多企业了解的重要组成部分，以便提供更相关和更优质的服务，并留住有价值的客户以提高其盈利能力。在这篇文章中，我们将尝试预测电信运营商的客户流失。首先，导入必要的库并确保已将csv文件下载到工作目录中。以